350 rub
Journal Neurocomputers №10 for 2009 г.
Article in number:
Hybrid neural network for correction of errors «on fly» in the residue number system
Authors:
N. I. Chervyakov, A. A. Yevdokimov, А. N. Golovko
Abstract:
The paper «Hybrid neural network for correction of errors «on fly» in the residue number system» is devoted to detection and correction of mistakes in modular neurocomputer in real time. Problems of correction of the erroneous data demand knowledge of size of all number and consequently considerably reduce performance of modular neurocomputer. Classical algorithms of correction in residual classes are not deprived the given lacks and consequently cannot be used in modern high-precision and high-efficiency application. The offered hybrid neural network has the important advantage before analogues - high information capacity. Besides neural networks of similar purpose, but realized on the basis of Hamming and Hopfield networks cannot be retrained at gradual degradation modular neurocomputer in real time. The unification of final ring neural networks considered in article and counter propagation neural network allows to correct mistakes «on fly».
References
  1. Kurfess R. and  Jenkins H. Ultra-High Precision Control // The Control Handbook. CRCPress. 1996.
  2. Акушский И. Я., Юдицкий Д. И. Машинная арифметика в остаточных классах. М.: Сов. радио. 1968. 440 с.
  3. Червяков Н. И., Сахнюк П. А., Шапошников А. В., Макоха А. Н. Нейрокомпьютеры в остаточных классах. Кн. 11: Учеб. пособие для вузов. М.: Радиотехника. 2003. 272 с.
  4. Стемпковский А.Л., Корнилов А.И., Семенов М.Ю. Особенности реализации устройств цифровой обработки сигналов в интегральном исполнении с применением модулярной арифметики // Информационные технологии. 2004.
    № 2. С. 2-9.
  5. Garcia A., Parrilla L., Lioris A.Implementation of High Performance PID Controllers Using RNS and Field-Programmable Devices. 2000 IFACWorkshoponDigitalControl. 2000. Р. 628-631.
  6. Амербаев В.М., Касимов Ю.Ф. О сравнении чисел в непозиционных системах счисления// Теория кодирования и оптимизация сложных систем. Алма-Ата: Наука. 1977. С. 47-54.
  7. Торгашев В.А.Система остаточных классов и надежность ЦВМ. М.: Сов. радио. 1973. 118с.
  8. Журавлев Ю.П., Котелюк Л.А., Циклинский Н.И. Надежность и контроль ЭВМ. М.: Сов. радио. 1978. 416 с.
  9. Григорьев С.И.Устройство для опредеелния адреса поправки корректора цифровой вычислительных машины, функционирующей в системе вычетов. Авт. свидетельство № 377780 // БИ. 1973. № 18.
  10. Albus J. S. A new approach to manipulator control: the cerebellar model articulation controller // ASME Trans. J. Dynamic Systems, Measurement and Control. 1975. V. 97. Nо. 3. P. 220-227.
  11. Червяков Н.И., Евдокимов А.А., Лавриненко И.Н. Применение нейронной сети СМАС в задачах над конечными полями // Нейрокомпьютеры: разработка, применение. М.: Радиотехника. 2008. № 3-4. С. 4-11.
  12. Головко В. А.Нейронные сети: обучение, организация и применение. Кн. 4: Учеб. пособие для вузов/ Общая ред.
    А. И. Галушкина. М.: ИПРЖР. 2001. 256 с.